Klasifikasi Keadaan Mata Berdasarkan Sinyal Electroencephalography (eeg) Dengan Menggunakan Hierarchical Temporal Memory

Abstract

Keadaan mata (mata terbuka atau tertutup) menghasilkan sinyal otak dengan karakteristik dan nilai tertentu. Dengan metode dan instrumen khusus yaitu electroencephalography (EEG), kita dapat mengetahui aktivitas otak yang terjadi melalui nilai-nilai yang dihasilkan oleh tiap-tiap sensor EEG dan merekamnya untuk diolah dan dianalisis. Dalam penelitian ini, penulis melakukan penelitian dengan membangun sistem yang akan melakukan klasifikasi keadaan mata berdasarkan nilai-nilai dari sinyal EEG dengan menggunakan Hierarchical Temporal Memory (HTM). Sistem HTM dapat digunakan untuk klasifikasi keadaan mata dan cocok untuk data dengan pola yang berubah-ubah secara teratur dan harmonis. Tingkat akurasi sistem HTM dalam melakukan klasifikasi dinilai cukup baik untuk pola data kronologis yang ditunjukkan dengan tingkat akurasi mencapai 87,65%. Parameter jumlah kolom dan bits aktif juga berpengaruh terhadap nilai akurasi. HTM kurang cocok untuk mengklasifikasikan data yang polanya acak karena sifat dari HTM yang memerlukan konteks berurutan dari sebuah data yang terdahulu untuk mengklasifikasi data yang dihadapi, terlihat dari pengujian menggunakan data acak, akurasi terbaiknya hanya 52,19%. Data sinyal EEG diperoleh dari UC Irvine Machine Learning Repository. Kata kunci : klasifikasi, EEG, keadaan mata, Hierarchical Temporal Memory